Des hôpitaux capables d’anticiper leurs taux d’admission

Quatre hôpitaux parisiens tirent parti des big data et du machine learning pour prévoir, au jour et à l’heure près, le nombre d’admissions dans leurs services. Une avancée qui devrait non seulement permettre d’améliorer la prise en charge des patients, mais aussi de réduire les dépenses publiques en matière de santé.

Déjà à l’œuvre dans la recherche et le développement de traitements personnalisés, la lutte contre le cancer ou encore l’optimisation des essais cliniques, les big data s’attaquent désormais à la logistique et à l’administration des centres hospitaliers. En croisant les informations contenues dans leurs registres d’admission de ces dix dernières années avec des données externes – vacances scolaires, épidémies de grippe ou encore données météorologiques – quatre hôpitaux parisiens de l’AP-HP peuvent désormais prédire précisément les taux d’admission au sein de leurs services.

 

Quand rationalisation rime avec meilleure prise en charge

 

Basé sur des techniques d’analyse de séries temporelles, le système identifie des modèles de données permettant de prédire les taux d’admission à différents moments de l’année. Des fonctions d’apprentissage automatique (machine learning) aident à déterminer quels algorithmes, une fois nourris des données déjà collectées, fournissent les meilleurs indicateurs. Testé en phase pilote sur quatre établissements parisiens, le système devrait à terme être déployé dans les 44 hôpitaux de l’AP-HP, un périmètre qui a motivé le choix d’une plate-forme open-source et d’un environnement basé sur le cloud, pour ses capacités d’hébergement et sa puissance de calcul.

 

Seule préoccupation du côté de l’équipe en charge du projet, la rigidité des lois françaises en matière de protection des données qui a privé le système d’un certain nombre d’informations, comme notamment le motif de l’admission. Un obstacle qui n’a toutefois pas diminué l’efficacité de la solution : le personnel soignant et administratif est aujourd’hui capable, via une simple interface web, d’anticiper les taux d’admission sur les deux semaines à venir et d’adapter les astreintes en fonction des pics de fréquentation. Un pas décisif à la fois dans l’optimisation de l’allocation des ressources qui garantit une meilleure rentabilité des établissements, et dans l’amélioration de l’accueil des malades, et donc de leur satisfaction.

 

Lire l’article (en anglais)

 

En complément :

Les big data, une arme cruciale dans la prévention des cancers,

Les big data également à l’origine de la transformation de l’industrie pharmaceutique.